图像处理中目标与背景的半自动分离技术

分析了手工绘制目标轮廓、确定区域内像素的基本途径，提出了一种基于轮廓线坐标的分离技术，不仅确定了区域内像素，而且充分利用了轮廓线上的链码信息。该技术已成功地运用于中医舌诊自动识别系统。     

涡旋射流控制逆压梯度平板边界层分离的涡结构研究

为了研究涡旋射流控制边界层分离的物理机理,设计、搭建了涡旋射流控制逆压梯度平板边界层分离实验台,在此基础上对低雷诺数下平板边界层分离及射流控制进行了实验和数值研究.通过对比不同射流控制方式的统计特性及射流控制效果,揭示了射流流场大尺度相干结构的演化规律.射流瞬时流动细节的研究表明:发卡涡和类发卡涡是逆压梯度环境下直射流和斜射流中比较典型的涡结构;在斜射流中,随着类发卡涡的发展,射流孔下游发展成熟的类发卡涡涡腿外侧出现了不断增强的次生流向涡结构;次生涡结构对壁面附近能量的增大和质量的输运、耗散具有重要的作用.经对比发现,斜射流控制流动分离的效果明显优于直射流.     

递推人工蜂群的模糊划分熵多阈值分割算法

针对图像分割中模糊划分熵算法在多阈值选取时存在的效率低、计算重复的问题,提出了一种递推人工蜂群的模糊划分熵多阈值分割算法(RAFPEA).首先选择附加边界条件及灰度权重的隶属函数来构建图像的模糊熵模型,并将该模型中不同变量的组合计算转化为递推过程,进而保存此过程中不重复的瞬间递推值,然后引入人工蜂群算法,利用预存的递推结果来计算蜂群寻优时的个体适应度值,从而减少重复计算,达到快速寻优的目的.实验结果表明:RAFPEA的均一度与精确的穷举模糊划分熵法相同,但运行时间仅为穷举、遗传的模糊划分熵算法的5％;随着阈值数量的增加,运行时间稳定不变,在确保精度的前提下,可高效地对图像进行多阈值分割.     

利用PCNN实现商标图像检索新方法

 为了解决商标存在尺度缩放、角度旋转和区域局部变化后的难以检索的问题,提出了一种基于脉冲耦合神经网络模型(PCNN,Pulsed Coupled Neural Network)的商标检索新方法.首先通过PCNN图像分割和直方图均衡化技术相结合提出了一种有效的图像预处理算法,以减小颜色对于商标灰度分布差异产生的影响.然后在PCNN模型中提出了边缘时间序列概念,并用于提取商标图像的形状特征,最终实现了商标图像的快速有效检索.在所建立的商标库中进行了计算机仿真,仿真结果表明该方法可有效地检索出待检索商标对应的商标图像,可很好地适应商标颜色变化、角度旋转和局部形状变化,体现了较好的检索性能.     

图像分类中多流形上的词典学习

传统的基于稀疏编码的图像分类算法没有考虑不同特征之间的关系。针对这一不足,该文提出了一种新的词典学习算法。该算法考虑特征所处的多个流形空间上的拓扑结构,并显式地对其进行建模,然后将该模型嵌入到稀疏编码算法中构造多流形上的词典优化目标函数。为求解该优化问题,还提出了使用坐标下降的方法,同时给出了收敛性分析。在图像分类3个基准数据集上的实验结果表明,提出的算法分类性能超过了基于传统稀疏编码的算法。这也进一步证明了该算法的有效性。     

N(2,2,0)代数的一个理想

考虑N(2,2,0)代数(S,*,Δ,0)的一个子类G＝{x|x∈S,x*a=a,(A)a∈S},证明G是(S,*,Δ,0)的一个理想,用G给出(S,*,Δ,0)的一个同余分解,证明商代数仍是N(2,2,0)代数,研究自然同态下一类逆像的代数结构和性质.     

彩色淋巴结细胞显微图像预处理算法研究

传统的预处理方法,在对于血液图像这样简单的医学图像的分析中得到了广泛的应用,并取得了较为理想的效果.但该方法对于淋巴结这样有着复杂背景的显微图像处理效果并不理想.综合运用彩色图像处理和数学形态学等知识,并采用基于彩色图像分割的背景剪除、基于区域生长的边界清除、基于高斯函数的图像融合和基于数学形态学方法和双边滤波去除图像噪声等方法,取得了较好的预处理效果.     

卟啉传感阵列图像特征值自动提取方法

针对卟啉传感阵列(PSA)图像,设计了一种特征提取算法。该算法首先利用radon变换的方法实现了PSA图像倾斜自动校正;而后通过二值投影与数学统计学结合的方法来进行网格划分,根据网格划分的卟啉点区域对图像进行局部阈值分割,从而定位出卟啉点区域,最后采用比例半径法从已定位的卟啉点区域内提取出每个卟啉点的特征。该算法解决了弱信号卟啉点识别难的问题,提取的特征值最大程度的反映了卟啉点的信息。通过对NH3、异戊二烯、庚醛等气体进行试验,结果表明该算法能够很好的提取出PSA图像中卟啉点的特征值。     

一种基于Contourlet变换的自嵌入图像水印算法

在对Contourlet变换分析的基础上,提出了一种基于Contourlet变换的自嵌入图像水印算法.该算法利用奇异值分解方法提取图像的特征信息生成水印,并将其通过量化的方法嵌入到图像的Contourlet域.实验结果表明:该算法具有较好的不可见性,可区分非恶意操作和恶意操作,并能对图像的篡改区域定位.     

基于曲线波的超声图像分割

为了提高前列腺超声图像分割的准确率,提出一种基于曲线波的半监督超声图像自动分割方法.首先,采用对微小波动敏感度高的Riemann-Liouville (RL)分数阶微分算子,突出模糊边界并增强超声图像的纹理;其次,运用曲线波变换对超声图像进行频域中的分解,获得不同子带分量以表达超声图像特征;然后,基于Adaboost的分类算法识别出超声图像中的病灶区和非病灶区;最后,采用中值滤波和腐蚀的方法使病灶区域边缘完整、平滑.实验表明,与运用共生矩阵及二进小波作纹理分析的分割结果比较,所提出的方法在准确率上有了很大的改进,分割超声图像效果更佳.